首页 >> 管理学 >> 本网首发
金融市场与宏观经济的风险传染关系——基于混合频率的实证研究
2021年03月09日 10:56 来源:《中国社会科学》2020年第12期 作者:杨子晖 字号
2021年03月09日 10:56
来源:《中国社会科学》2020年第12期 作者:杨子晖

内容摘要:

关键词:

作者简介:

    一、文献综述

  随着系统性金融风险理论研究的日臻完善,从实证分析的角度来考察金融市场与宏观经济的风险传染关系,成为一个新的研究视角。

  早前的相关研究就已注意到,基于不同频率采样,时间序列数据的可用性会严重受限。随着现代计量经济学方法的不断发展,最新的研究开始采用混频模型对不同频次变量间的相互作用展开分析,近年来逐步应用于金融领域相关问题的研究。Ghysels等在最新研究中提出了混频向量自回归模型(The Mixed-Frequency VAR Model,MF-VAR),有效克服了传统混频模型无法分解预测误差方差的缺陷。在此基础上,Cotter等进一步提出了混合频率溢出方法,该方法能够基于不同频次的多变量展开分析,量化高频变量与低频变量间的风险冲击与传染关系。

  国内很多学者已从人口结构、非线性传染等不同角度对系统性金融风险进行了研究。纵观该领域的研究,首先,现有文献大部分集中在分析金融部门之间的风险传染效应,很少对金融风险与宏观经济之间的相互关系展开深入研究。其次,传统共频分析框架会因忽略高频信息而产生结论偏差,难以准确衡量金融风险与宏观经济的冲击传导关系。最后,在分析过程中常常面临“维度诅咒”(Curse of Dimensionality)问题,使得现有研究无法就系统性金融风险对宏观经济部门的具体冲击展开客观分析。而前沿的因子增广向量自回归(Factor-Augmented Vector Autoregressive)模型不仅能有效克服数据受限问题,而且能够精确地刻画金融风险与大量不同类别宏观变量的作用关系。

  有鉴于此,首先,本文基于CAViaR模型测度我国股票市场与外汇市场的尾部风险。其次,本文采用混合频率溢出方法,分别从静态与动态视角考察了我国金融市场与宏观经济间的相互作用关系,并基于混频因果检验等方法进一步探讨了金融危机期间的风险传导机制。最后,本文采用前沿的因子增广向量自回归模型,分析了金融风险对我国宏观经济7个部门90个变量的具体冲击,为加强金融监管协调机制建设,未雨绸缪进行系统性金融风险防控,以及构建实体经济与金融市场良性互动的经济环境,保障经济稳中向好与长期向好的发展趋势,提供重要参考依据。

  二、模型设定、方法说明

  (一)基于混频向量自回归模型(MF-VAR)的因果关系检验

  为了简化计算,模型假定数据的采样频率只分为高频(High Frequency,HF)、低频(Low Frequency,LF)两类,且频率比率为m。因此,Ghysels等分别将高频数据降频为低频数据,以及聚合为混频变量(Mixed Frequency,MF)。其中,混频向量可用下式表示:

  与此同时,他们假定该混频向量服从VAR(p)过程,即:

  为了检验混频变量间是否存在长期Granger因果关系,他在考虑预测步长h的基础上将式(2)进一步扩展,得到MF-VAR(p,h)模型,即:

  其中。Ghysels等将原假设“不存在因果关系”转变为线性系数约束表达,即:

  其中,R是行满秩的选择矩阵,B(h)为MF-VAR(p,h)模型的系数,r则为约束向量。为了对模型的有效性进行检验,Ghysels同时构建了如下的Wald统计量:

  为信息集中的有效样本数量,是式(5)原假设中B(h)的最小二乘估计量。此外,该模型还使用自举p值法(bootstrapped p-value)对Wald统计量的显著性水平进行进一步检验。

  (二)混频溢出方法(Mixed-Frequency Spillover Methodology)

  Cotter等构建了混合频率溢出方法,从而能够直接使用原始低频的宏观经济数据和高频金融财务数据估计溢出指数与冲击力度。基于此,Cotter等构建了k维的混合频率矢量序列,该序列包含了低频(图8)与高频(图9)两类信息,频率比例为m。他们在每个低频时间段的基础上,将高频观测值分组,以便展开预测误差方差分解(FEVD)聚合。

  (三)数据说明

  本文分别选用上证综指和人民币广义实际汇率指数作为股市与汇市指数收益率的衡量指标,并根据Cotter等人的建议,我们将每个月内的交易日划分为4周,并在此基础上使用日度数据构造周频率的风险指标。

  我们使用月度工业增加值来衡量我国经济产出,并分别选择中国社会消费品零售总额、固定资产投资完成额、金融机构中人民币各项贷款的月度增加值以及银行间同业拆借加权平均利率、货币和准货币(M2)作为消费、投资、贷款、利率、货币等宏观部门的代表变量,同时引入了宏观经济景气一致指数与消费者信心指数,并在此基础上构造了7个信息集,类别包含了工业增加值、消费、投资、贷款、货币、经济景气与消费者信心,共计90个指标。其中,上证综指来源于Wind数据库,汇率数据来源于国际清算银行(Bank of International Settlements,BIS),而相关的宏观变量则来源于中经网统计数据库以及Wind数据库。依据数据的可获得性,本文分析的样本期间为1996年5月1日—2018年12月31日。

  为了具有可比性,遵循该领域的研究惯例,本文采用CPI定基指数将上述名义指标调整为实际变量,并结合X11方法对宏观变量进行季节性调整。

  三、实证结果

  (一)我国金融市场系统性金融风险测度

  首先,本文采用CAViaR模型测度我国股票市场与外汇市场的尾部风险,使用DQ检验进行后验分析,分析表明,1996年至2018年间,我国资本市场的尾部风险与一些重大风险事件紧密相关,且由于我国股票市场与外汇市场存在紧密的关联性,易由此引发系统性金融风险。

  (二)我国金融市场与宏观经济风险溢出的静态分析

  在前文分析的基础上,本文以股票与外汇市场的CAViaR指标作为我国金融市场尾部风险的衡量指标,并分别采用混频与共频方法考察我国系统性金融风险与宏观经济间的相互作用机制。结果表明,在总体样本内金融市场的尾部风险并未对我国经济平稳运行的基本态势造成严重影响。自1996年以来,我国金融市场均为风险冲击的净输出方,所有宏观经济部门均为风险冲击的净输入者,而相对于外汇市场,源于股票市场的风险冲击力度更大。同时,宏观部门间也存在较强的关联性,银行间同业拆借市场与货币市场间存在显著的作用关系。此外,来自消费、投资的冲击易进一步扩散。

  我们比较了风险溢出指数在混频与共频模型下的差值与比值。结果表明,使用混频方法计算的金融市场的风险溢出远高于共频模型下的溢出强度。本文进一步考察了不同预测期下,分别使用混频与共频模型估计的风险溢出效应。可以清楚地看到,在两种方法下,金融市场对宏观经济的风险冲击均随着预测期的延长不断增强,净溢出力度不断增加。共频模型在低估经济部门受到冲击的同时,在衡量风险溢出效应时,也存在显著的滞后性。

  (三)我国金融市场与宏观经济风险溢出的动态分析

  在上述全样本静态分析的基础上,本文使用 “滚动估计分析”方法,具体识别影响我国经济发展全局的风险事件。结果表明,基于混频方法和共频方法的总溢出指数在全样本期间的波动走势大致类似,2008年以来,市场间的风险溢出整体呈上升趋势。但自2016年12月中央经济工作会议首次强调要把防范金融风险放到更加重要的位置后,监管措施密集出台,风险溢出指数也从2017年后开始略微下落。与此同时,在全样本期间,采用混频方法估计的风险溢出均显著地高于共频方法的估计结果,同时能更好地识别出我国2016年1月的“熔断机制”出台等尾部风险事件。与此形成鲜明对比的是,基于共频模型的风险溢出指数依旧均无法对上述事件进行准确刻画,且严重低估了资本市场产生的风险冲击。

  (四)危机期间我国金融市场与宏观经济的风险溢出效应分析

  下面采用混频溢出方法对1997年亚洲金融危机等三个重要的尾部风险爆发时期,我国金融市场与宏观经济间的作用关系展开分析。

  我们考察了亚洲金融危机时期(1997年7月—1999年12月),我国金融市场与宏观各部门间的风险冲击力度。可以清楚地发现,在该危机爆发时段,金融市场依旧是风险的净输出方,宏观部门则均为风险冲击的净接收者。其中,股票市场产生了最高的风险溢出效应,外汇市场的对外作用力度较小,这意味着我国对宏观调控方向进行的调整,有效缓释了该国际金融风暴通过外汇市场造成的外溢冲击。

  M2与利率是宏观经济中的薄弱环节,受到了最为显著的金融风险冲击。亚洲金融危机期间,信贷流动性紧张,银行间利率市场震荡,进而对贷款供给产生显著的影响,而贷款部门随之对工业增加值产生了冲击。

  国际金融危机带来的资本市场的剧烈波动,使得危机期间我国企业融资需求锐减、居民消费需求低迷,而实体经济的走弱也对金融市场产生了显著的不良反馈。

  由以上分析,可以清楚地看出,我国金融市场与实体经济间密切相连,金融风险易对宏观经济造成显著冲击,并通过相互作用机制产生反馈效应,引发风险冲击在经济系统中的恶性循环。

  较之全样本的分析结果,在危机期间,资本市场对实体经济的风险冲击强度显著提高,金融危机会放大资本市场对宏观经济的负外部性,冲击实体经济的平稳发展。而股票市场对各宏观部门的风险冲击在各时期均明显大于外汇市场的影响,是我国金融系统中主要的风险输出者。此外,较之来自全球金融市场的冲击,国内金融体系中潜在风险的爆发,将可能引发我国实体经济部门更大幅度的波动。

  (五)我国金融市场与宏观经济的风险传导机制

  在上文的研究基础上,本文采用宏观经济景气一致指数替代工业增加值,并进一步将消费者信心指数纳入分析框架,根据最新发展的混频因果关系检验方法,深入探讨中国“股灾”时期(2015年6月—2017年12月),风险冲击在我国金融市场与宏观经济各部门间的传导路径。

  混频检验结果显示,股票市场与外汇市场的风险联动效应在股灾期间大幅增强,存在显著的双向传染关系。同时,我国金融市场在重大股灾期间的巨幅震荡对消费、投资、利率和货币等宏观经济部门的平稳运行造成明显冲击。

  此外,金融市场的风险事件在对M2、利率等宏观部门造成直接影响的同时,会经由消费者信心对宏观经济的平稳产生间接冲击。然而,通过对比分析我们发现,传统共频分析方法却无法识别“金融风险→消费者信心→相关宏观经济部门”这一重要的风险传染途径。

  我们结合混频因果关系的分析结果,推出了以下的冲击传导机制图。首先,消费与投资部门受到了金融风险的显著冲击。其次,还存在着“金融市场→M2→投资→金融市场”的因果关系。最后,“金融市场→利率→贷款→金融市场”的因果关系表明,在金融风险冲击下,银行间同业拆借市场震荡,进而产生了显著的收入效应与替代效应,使得借款人降低贷款水平。此外,存在“相关宏观部门→消费者信心→金融市场”“经济景气→金融市场”的宏观反馈机制。

  (六)“重大股灾”时期我国金融风险对宏观经济的冲击影响

  本文采用了因子增广向量自回归模型,分析2015年“重大股灾”期间,系统性金融风险对我国宏观经济的冲击影响。结果表明,与粮油食品等需求弹性较小的行业不同,在金融市场动荡期间,家具等需求弹性较大的行业受到了明显的负面冲击。同时,娱乐行业的消费在事件初期也出现了短暂的回落态势。此外,黄金等贵金属商品依旧是重要避险资产之一,在一定程度上能够缓释金融市场波动的风险。较之制造业、房地产业以及金融业,租赁与商务服务业对金融风险的敏感程度较高。且受金融市场大幅波动影响,消费者对市场的预期出现了持续性的下调。

  此外,危机期间,股市与汇市的风险分别对短期贷款及票据融资产生了正向影响,中长期贷款受到了负向冲击。因此,在危机期间应对金融风险事件带来的短期流动性问题时,应适度提高中小企业中长期贷款额度,具体甄别金融风险事件对不同宏观部门的影响,实施更精细化的货币调控政策。

  结论与启示

  混频风险溢出的估计结果表明:首先,我国金融市场均为风险冲击的净输出方,而所有宏观经济部门均为风险冲击的净输入方,相对于外汇市场,源于股市的风险冲击力度更大。其次,基于动态视角深入考察金融风险溢出与宏观负面反馈效应的渐进演变,发现混频模型能够准确识别2008年国际金融危机、2015年中国“股灾”、2016年“熔断机制”出台等风险事件。

  因子增广向量自回归模型的分析结果则进一步显示,“重大股灾”时期,金融风险对不同宏观变量的具体影响存在显著差异。

  本文是系统性金融风险研究领域的一次有益拓展和尝试。将高频次的金融市场数据与低频次的宏观数据进行有机的结合,深入挖掘金融数据序列所包含的高频信息,将有助于我们结合中国实际经济条件,有效甄别宏观实体经济与金融市场的传染关系与作用机制,为完善与高质量发展要求相适应的宏观调控体系提供有针对性的意见和建议。同时,本文也为混频方法在金融学研究中的应用推广,以及推动系统性金融风险与宏观经济传染研究的未来发展提供了借鉴。

  (作者单位:中山大学岭南学院。《中国社会科学》2020年第12期,中国社会科学网 闫琪/摘)

作者简介

姓名:杨子晖 工作单位:

转载请注明来源:中国社会科学网 (责编:赛音)
W020180116412817190956.jpg

回到频道首页
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们